中国个体经营户总量测算与新冠疫情冲击评估：兼论金融科技“稳经济”的价值_15页_805kb

中国个体经营户总量测算与新冠疫情冲击评估总结

核心内容概述

本报告由北京大学数字金融研究中心与蚂蚁金融服务集团研究院联合发布，旨在通过大数据和机器学习方法，对全国个体经营户的总量进行科学估算，并定量评估新冠疫情对其经营的冲击，进一步探讨金融科技在缓解疫情冲击中的作用。

主要观点与关键信息

1. 个体经营户的重要性

• 个体经营户是市场经济运行的微观基础，承担着大量就业和促进消费的重要职能。
• 全国个体经营户总量约为 9776.5万户，比官方统计高出 54.8%。
• 个体经营户带动就业约 2.3亿人，占全国劳动力人口的 28.8%。
• 全年营业额约为 13.1万亿元，占全国社会消费品零售总额的 34.4%。
• 每天产生约 2.3亿笔交易，即每6个中国人中就有1人与个体经营户发生交易。

2. 疫情对个体经营户的冲击

• 2020年春节后两周（1月31日-2月14日），全国个体经营户活跃商户量减少 40.4%，营业额下降 52.4%。
• 湖北作为疫情最严重的地区，活跃商户量下降 59.3%，营业额下降 69.7%。
• 全国其他地区活跃商户量下降约 40%，营业额下降约 50%。
• 疫情冲击的异质性不明显，主要原因是各地防控措施高度统一，导致个体经营户受到相似程度的影响。

3. 金融科技的作用

• 金融科技通过大数据和精准信贷发放，对个体经营户的经营恢复具有积极作用。
• 数字普惠金融发展水平每提高 1%，疫情对个体经营户的冲击平均下降 2.57%。
• 如果一个地区金融科技发展水平达到杭州的水平，疫情冲击可减少 51%。

估算方法与数据来源

1. 测算方法

• 以杭州作为样本城市，假设其码商数量基本等同于个体经营户数量。
• 利用 泰森多边形 对全国进行网格化分割，结合银行网点、人口、经济、地理、气象、空气质量等数据进行建模。
• 使用 机器学习算法（GBDT） 进行建模和预测，模型 R²值超过0.9，预测准确率 超过90%。

2. 数据说明

• 码商数据：基于支付宝的“码商”平台，提取2018年脱敏数据，涵盖商户量、交易额、服务人数等关键指标。
• 兴趣点数据：从高德地图获取约 3500万个兴趣点，包括商店、饭店等，用于刻画区域商业特征。
• 宏观数据：包括 夜晚灯光亮度数据、人口栅格数据、高程数据、气象数据、空气质量数据。
• 数字金融指标：使用 北京大学数字普惠金融指数 的底层指标，如信贷发展水平，用于评估金融科技对个体经营户的支撑作用。

政策建议

1. 划分疫情风险等级，精准施策

   • 根据疫情严重程度，制定分级响应措施，避免疫情冲击从短期需求冲击演变为长期供给冲击。
   • 鼓励个体经营户通过线上线下结合方式，扩大外卖等业务，降低疫情带来的风险。

2. 降低个体经营户的经营成本

   • 保证物流畅通，减免疫情期间的摊位费、房租、管理费等。
   • 税务部门允许减免费用进行 税前抵扣。
   • 调整商业用水、用电价格，减轻商户负担。
   • 对重点农副产品采购和运输提供补贴，缓解通胀压力。

3. 将资金直接推送到个体经营户

   • 政府应通过 央行再贷款、专项债及资产证券化 等方式，将资金输送至直接服务个体经营户的 网络银行 和其他金融机构。
   • 鼓励这些机构通过 贷款展期、息费减免 等方式支持个体经营户维持经营，共克时艰。

结论

• 个体经营户是支撑中国市场经济和就业的重要力量，其总量和影响力远超传统统计数据。
• 疫情对个体经营户造成了严重冲击，但金融科技的发展为缓解这一冲击提供了新的路径。
• 政策制定应基于个体经营户的实际情况，结合金融科技手段，实现精准支持，推动经济稳定复苏。